BOWImgDescriptorExtractor должен получить 32F так SURF или SIFT должны быть использованы для DescriptorExtractor, но для FeatureDetector конечно, что может быть любым вы хотите, верно?ОРБ FeatureDetector с мешком слов
мне просто нужно некоторое разъяснение здесь, я только когда-либо видел, как люди говорят, что «Вы не можете использовать ORB с Bow» но при обнаружении возможности, почему бы это вопрос, который вы используете?
Я бы не подумал, что это вопрос. Вы можете использовать произвольные методы обнаружения объектов (например, ORB, FAST, SIFT, SURF и т. Д.).
Проблема может исходить из следующего шага, от описания особых точек, по причинам, указанным на Guanta в their answer here:
ссылку, которую вы в курсе, дает один possibilty решить вопрос о бинарных дескрипторов простым преобразование в float (CV_32F) и полагается на то, что алгоритм k-средних OpenCV может работать только с CV_32F и использует L2-distance для сравнения. Таким образом, двоичные дескрипторы могут, однако, также сгруппировать неправильно (поскольку на самом деле вы хотите иметь меру Хэмминга)!
Именно поэтому рекомендуется использовать дескрипторы SIFT/SURF. Но помимо этого вы можете смешивать различные типы детекторов точек с различными дескрипторами.
Ну, я использую логотипы, и с помощью 'SURF' он обнаружил бы точки функции на логотипах (например, в фоновом режиме, даже если белый), но с символом' ORB', так как он намного лучше обнаружил края, было намного лучше получить только логотип. - Чтобы уточнить, что я использую 'ORB' для детектора функций и' SURF' для экстрактора дескриптора – MLMLTL
Я думаю, что наиболее важными критериями детекторов функций являются скорость, качество и повторяемость в разных условиях освещения и масштаба. Ниже вы найдете два сравнения алгоритмов обнаружения функций OpenCV, но ваша идея может работать на практике. [Сравнение № 1] (http://computer-vision-talks.com/articles/2011-07-13-comparison-of-the-opencv-feature-detection-algorithms/) и [сравнение # 2] (http: //computer-vision-talks.com/articles/2011-01-04-comparison-of-the-opencv-feature-detection-algorithms/). – Kornel
Вот почему я хочу использовать ORB, но гораздо труднее работать с [K-Majority, чтобы получить модель с мешком слов с ORB] (http://www.researchgate.net/publication/236010493_A_Fast_Approach_for_Integrating_ORB_Descriptors_in_the_Bag_of_Words_Model), а затем просто используя SURF или SIFT. Мне более любопытно, почему это не тот подход, который я видел раньше. – MLMLTL